前沿|XNN:打开了自己黑箱的神经网络
选自Medium 作者:Shagun Maheshwari 机器之心编译 参与:陈韵竹、路 本文介绍了一种旨在“打开”并解释神经网络的新模型 XNN(可解释神经网络)。该网络包...
大模型能否被读懂 AI圈吵翻了
Goodfire研究员卡马拉塔一篇两万六千字博客称大模型远比想象中易读,引爆AI圈。他重解2020年那个「既认汽车又认猫」的神经元,发现它其实在识别V字形。斯坦福、ARC与DeepMind的研究者则泼
2026-10-21 人工智能 我要分享MIT:AI如同人类的推理机制来解决问题
麻省理工学院(MIT)林肯实验室智能和决策技术小组开发的模型为理解神经网络如何做出决策设立了新标准。图1:TbD-net解决视觉推理问题的方法是,将问题分成一...
DeepMind 发布全新模型设计工具 Tracr:从可解释逻辑反向搭建模型
原文标题:《像Transformer一样思考!DeepMind发布全新模型设计工具Tracr:从可解释逻辑反向搭建模型》代码直接编译成Transformer模型,做实验从未如此轻松!「可解释性」一直是
2023-02-12 资讯 我要分享Google云端AI平台内建TabNet表格模型,可替代传统决策树算法
Google云端现在内建可用于处理表格资料的TabNet模型,其具有决策树方法的可解释性,与神经网络高效能的优点
深度:我们真的永远也理解不了人工智能吗?
在神经网络中,数据从一层传递到另一层,每一步都经历一些简单的转变。在输入层和输出层之间还隐藏着若干层,以及众多节点组和连接。其中往往找不出可被人类...
可解释型AI打开黑盒子
深度学习方面的最大挑战之一是,向客户和监管机构解释模型是如何得到答案的。在许多情况下,即使我们对答案本身很有把握,还是根本不知道模型是如何得到答案...
专栏|神经符号系统:让机器善解人意
机器之心专栏 作者:深度好奇研究组(DC-SQUAD) 深度学习和符号智能的结合将是下一代自然语言理解的新范式,也是解决自然语言理解这个困难任务的唯一路径...
资源|带自注意力机制的生成对抗网络 实现效果怎样?
选自GitHub 机器之心编译 参与:杨洁湫、李亚洲 在前一段时间,Han Zhang 和 Goodfellow 等研究者提出添加了自注意力机制的生成对抗网络,这种网络可使用全...
10个QA快速了解自监督式学习
为何CNN之父想研究自监督式学习,他最主要的动机是,要找到让机器学习更像人类或动物学习的方法,专注于找到一套原则,让机器变得更聪明
云知声-中科院自动化所语言与知识计算联合实验…
日前,自然语言处理领域国际顶级会议 ACL 2020 (Association for Computational Linguistics)论文接...


